一、Miloco 是什么
小米把这套'大模型 + 智能家居'方案叫作 Xiaomi Miloco，全称是 Xiaomi Local Copilot。它是开源的，GitHub 地址在这里：
https://github.com/XiaoMi/xiaomi-miloco
Miloco 主要用米家摄像头作为视觉信息源，再接上自研的大语言模型 MiMo-VL-Miloco-7B，去理解家里的设备状态和场景事件，然后把这些信息转成可执行的家居控制动作。页面上的交互形态也很直白，就是一个偏 ChatGPT 风格的聊天框，左边挂着设备、模型、MCP 服务、设备管理这些入口，摄像头视频单独列在另一栏。
关键点
- 自然语言可以直接下发复杂控制指令，不用先写一堆规则。
- 摄像头数据不只是看画面，还会被拿来解析家庭场景。
- 任务被拆成规划和视觉理解两段，本地模型负责端侧理解，隐私压力会小一些。
- 可以接米家设备和米家场景，也能发送米家通知。
Miloco 还通过 MCP 协议，把米家生态和 Home Assistant 这类第三方智能家居系统串了起来。这个思路不算花哨，胜在接入面比较实用。
从官方给出的要求看，部署门槛不算高：x64 架构、NVIDIA 30 系及以上显卡，16GB 以上存储空间就能起步。
官方还画了一个'四层架构'的图，核心还是围绕硬件、能力、应用和用户来组织。
二、部署前要先准备什么
硬件
CPU: x64 架构
显卡：NVIDIA 30 系及以上显卡，显存 8GB 及以上（最低），建议 12GB 及以上
存储：建议 20GB 及以上可用空间（用于本地模型存储）
软件
操作系统:
- Linux: x64 架构，建议 Ubuntu 22.04 及以上 LTS 版本
- Windows: x64 架构，建议 Windows 10 及以上版本，要求支持 WSL2
- macOS: 暂不支持
Docker: 20.10 及以上版本，需要支持 docker compose
NVIDIA 驱动：支持 CUDA 的 NVIDIA 驱动
NVIDIA Container Toolkit: 用于 Docker GPU 支持
三、环境安装
Windows 上要走 WSL，这部分麻烦一点，但这是现在比较稳的做法。直接在原生 Windows 上折腾 Docker GPU，后面通常会被驱动和网络问题拖住。
注意：请确保系统满足上面的硬件和软件要求。Windows 系统需要先配好 WSL。
1. WSL 安装与配置
系统要求：Windows 11 22H2 及以上版本 + WSL2。
先打开控制面板，进入'程序' -> '启动或关闭 Windows 功能'，勾选 Hyper-V 和'适用于 Linux 的 Windows 子系统'，确认后等系统安装完成并重启。
然后打开终端，执行：
wsl --install
如果已经装过，可以更新：
wsl --update
接着下载 Linux 发行版。应用商店里搜 Ubuntu，安装 Ubuntu 24.04.1 LTS 也可以；命令行里也能查在线发行版并安装：
wsl --list --online
wsl --install -d Ubuntu-24.04
安装完成后，按提示创建用户名和密码。后面需要进入指定发行版时，可以这样启动：
wsl -d Ubuntu-24.04
2. WSL 常用命令
# 启动默认发行版
wsl
# 退出当前发行版
exit # 或 logout
# 列出所有发行版（含状态）
wsl --list --verbose # 简写 wsl -l -v
# 查看详细信息
wsl --status
# 设置默认启动发行版
wsl --set-default Ubuntu-22.04
# 卸载指定发行版（数据丢失）
wsl --unregister Ubuntu-20.04
# 查看 WSL2 的 IP 地址
ip addr show eth0 | grep 'inet\b' | awk '{print $2}' | cut -d/ -f1
# 关闭所有 WSL 实例
wsl --shutdown
# 运行特定发行版命令
wsl -d Ubuntu-22.04 -e bash -c "echo Hello"
# 重启版本
wsl --terminate <DistributionName>
wsl --distribution <DistributionName>
3. 网络模式
打开 WSL Settings，把网络模式改成 Mirrored。改完后先执行一次 wsl --shutdown，再重新进入子系统，检查 ip a，看网络配置是否和宿主机一致。
Mirrored 模式下还要给 Hyper-V 防火墙放行入站连接。管理员权限打开 PowerShell，执行：
Set-NetFirewallHyperVVMSetting -Name '{40E0AC32-46A5-438A-A0B2-2B479E8F2E90}' -DefaultInboundAction Allow
# 使用下述命令获取 WSL 防火墙策略
Get-NetFirewallHyperVVMSetting -PolicyStore ActiveStore -Name '{40E0AC32-46A5-438A-A0B2-2B479E8F2E90}'
# DefaultInboundAction 和 DefaultOutboundAction 为 Allow 即可
4. Docker 环境
官方脚本可以直接装 Docker。WSL2 里通常不需要再绕 Docker Desktop，那套配置更重，也更容易把 GPU 和网络搞复杂。
curl -fsSL https://get.docker.com | bash -s docker
# 中国国内用户可以指定 Aliyun 源安装
curl -fsSL https://get.docker.com | bash -s docker --mirror Aliyun
想免 sudo 的话，把当前用户加进 docker 组：
sudo usermod -aG docker $USER
改完重新登录，再用下面命令确认安装没问题：
docker --version
5. 显卡驱动和开发工具
下面两种方式选一种就行。
# 25-11-1 更新
# 安装 CUDA Toolkit（推荐安装）
wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt-get update
sudo apt install nvidia-cuda-toolkit
# 安装 NVIDIA Driver
sudo apt-get -y install cuda-drivers
# 25-11-1 更新
# 配置下载源
sudo apt-get update && sudo apt-get install -y --no-install-recommends curl gnupg2
curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey | sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg \
&& curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list | \
sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' | \
sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo sed -i -e '/experimental/ s/^#//g' /etc/apt/sources.list.d/nvidia-container-toolkit.list
sudo apt-get update
export NVIDIA_CONTAINER_TOOLKIT_VERSION=1.18.0-1
sudo apt-get install -y \
nvidia-container-toolkit=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
nvidia-container-toolkit-base=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
libnvidia-container-tools=${NVIDIA_CONTAINER_TOOLKIT_VERSION} \
libnvidia-container1=${NVIDIA_CONTAINER_TOOLKIT_VERSION}
四、安装后先做验证
先验证 Docker，再验证 NVIDIA 驱动和 CUDA，最后确认容器里也能拿到 GPU。顺序别反了，不然出问题时不好定位。
1. 验证 Docker
docker run hello-world
# 验证完成后，可移除镜像
docker rmi hello-world
如果看到 Hello from Docker!，说明 Docker 已经可用。
2. 验证 NVIDIA 驱动
nvidia-smi
这条命令能正常输出显卡和 CUDA 相关信息，说明驱动没问题。
再看 CUDA Toolkit：
nvcc --version
能输出版本号就行。
3. 验证 NVIDIA Container Toolkit
docker run --rm --gpus all nvidia/cuda:12.4.0-base-ubuntu22.04 nvidia-smi
# 验证完成后，可移除镜像
docker rmi nvidia/cuda:12.4.0-base-ubuntu22.04
能在容器里看到显卡信息，GPU 透传就算通了。
五、安装 Miloco
拉源码后直接跑安装脚本：
git clone https://github.com/XiaoMi/xiaomi-miloco.git
bash scripts/install.sh
安装器启动后，界面大致如下：
这里选 1. Quick Install。
下载路径建议优先选 Xiaomi FDS，国内速度会省心一些。
安装完成后会有提示：
随后启动服务：
运行起来后，状态会显示在系统里：
六、访问前端
服务地址是 https://<your ip>:8000。如果只是在本机访问，直接用 127.0.0.1。
注意：
- 请用 https，不要直接用 http
- Windows 下可以试试直接访问 WSL 的 IP，比如
https://<wsl ip>:8000- macOS 如果用了桥接网络，访问时要用 Docker 所在虚拟机的 IP
七、实际使用时怎么配
前端管理界面长这样：
后端模型也可以单独指定：
规则这块，我更倾向于先手动配。自动生成省事，但真正落到家居控制里，很多规则最后还是要自己看一遍。
添加规则前，先在米家 APP 里确认相关设备本身能正常控制。正式加规则时，记得在控制选项里点'测试'，拿到有效的米家控制指令。大模型有时会把指令拼得不够稳，测试几轮反而更快。
如果规则执行异常，去日志管理里看执行记录，基本能定位到是设备、指令还是模型生成的问题。
